
import pandas as pd


url = 'https://raw.githubusercontent.com/DanielaLombana27/proyecto/main/programas.csv'


programas = pd.read_csv(url)


programas


url = 'https://raw.githubusercontent.com/DanielaLombana27/proyecto/main/matriculas.csv'


matriculas = pd.read_csv(url)

<ipython-input-6-907d7dcc43ef>:1: DtypeWarning: Columns (16) have mixed types. Specify dtype option on import or set low_memory=False.
  matriculas = pd.read_csv(url)


matriculas


print(programas.columns)
print(matriculas.columns)

Index(['IES_PADRE', 'CODIGO_INSTITUCION', 'NOMBRE_INSTITUCION',
       'ESTADO_INSTITUCION', 'CARACTER_ACADEMICO', 'SECTOR',
       'CODIGO_SNIES_DEL_PROGRAMA', 'CODIGO_ANTERIOR_ICFES',
       'NOMBRE_DEL_PROGRAMA', 'TITULO_OTORGADO', 'ESTADO_PROGRAMA',
       'RECONOCIMIENTO_DEL_MINISTERIO', 'RESOLUCION_DE_APROBACION',
       'FECHA_DE_RESOLUCION', 'FECHA_EJECUTORIA', 'VIGENCIA_AÑOS',
       'FECHA_DE_REGISTRO_EN_SNIES', 'YEAR', 'CINE_F_2013_AC_CAMPO_AMPLIO',
       'CINE_F_2013_AC_CAMPO_ESPECIFIC', 'CINE_F_2013_AC_CAMPO_DETALLADO',
       'AREA_DE_CONOCIMIENTO', 'NUCLEO_BASICO_DEL_CONOCIMIENTO',
       'NIVEL_ACADEMICO', 'NIVEL_DE_FORMACION', 'MODALIDAD', 'NUMERO_CREDITOS',
       'NUMERO_PERIODOS_DE_DURACION', 'PERIODICIDAD',
       'SE_OFRECE_POR_CICLOS_PROPEDEUT', 'PERIODICIDAD_ADMISIONES',
       'PROGRAMA_EN_CONVENIO', 'DEPARTAMENTO_OFERTA_PROGRAMA',
       'MUNICIPIO_OFERTA_PROGRAMA', 'COSTO_MATRICULA_ESTUD_NUEVOS'],
      dtype='object')
Index(['CODIGO_INSTITUCION', 'IES_PADRE', 'NOMBRE_INSTITUCION',
       'PRICIPAL_O_SECCIONAL', 'ID_SECTOR', 'ID_CARACTER',
       'CODIGO_DEPARTAMENTO', 'DEPARTAMENTO', 'CODIGO_MUNICIPIO', 'MUNICIPIO',
       'MUNICIPIO_OFERTA', 'NOMBRE_DEL_PROGRAMA', 'NIVEL_ACADEMICO',
       'NIVEL_FORMACION', 'METODOLOGIA', 'ID_AREA', 'ID_NUCLEO',
       'NUCLEO_BÁSICO_DEL_CONOCIMIENTO', 'CODIGO_DEPARTAMENTO_PROGRAMA',
       'DEPARTAMENTO_OFERTA_PROGRAMA', 'CODIGO_MUNICIPIO_PROGRAMA',
       'MUNICIPIO_OFERTA_PROGRAMA', 'ID_GENERO', 'YEAR', 'SEMESTRE',
       'TOTAL_MATRICULADOS'],
      dtype='object')


programas.head()


programas.tail()


matriculas.head()


matriculas.tail()


datos_combinados = pd.merge(programas, matriculas, on='IES_PADRE', how='inner')


datos_combinados


import pandas as pd
posgrados = datos_combinados


posgrados.columns

Index(['IES_PADRE', 'CODIGO_INSTITUCION_x', 'NOMBRE_INSTITUCION_x',
       'ESTADO_INSTITUCION', 'CARACTER_ACADEMICO', 'SECTOR',
       'CODIGO_SNIES_DEL_PROGRAMA', 'CODIGO_ANTERIOR_ICFES',
       'NOMBRE_DEL_PROGRAMA_x', 'TITULO_OTORGADO', 'ESTADO_PROGRAMA',
       'RECONOCIMIENTO_DEL_MINISTERIO', 'RESOLUCION_DE_APROBACION',
       'FECHA_DE_RESOLUCION', 'FECHA_EJECUTORIA', 'VIGENCIA_AÑOS',
       'FECHA_DE_REGISTRO_EN_SNIES', 'YEAR_x', 'CINE_F_2013_AC_CAMPO_AMPLIO',
       'CINE_F_2013_AC_CAMPO_ESPECIFIC', 'CINE_F_2013_AC_CAMPO_DETALLADO',
       'AREA_DE_CONOCIMIENTO', 'NUCLEO_BASICO_DEL_CONOCIMIENTO',
       'NIVEL_ACADEMICO_x', 'NIVEL_DE_FORMACION', 'MODALIDAD',
       'NUMERO_CREDITOS', 'NUMERO_PERIODOS_DE_DURACION', 'PERIODICIDAD',
       'SE_OFRECE_POR_CICLOS_PROPEDEUT', 'PERIODICIDAD_ADMISIONES',
       'PROGRAMA_EN_CONVENIO', 'DEPARTAMENTO_OFERTA_PROGRAMA_x',
       'MUNICIPIO_OFERTA_PROGRAMA_x', 'COSTO_MATRICULA_ESTUD_NUEVOS',
       'CODIGO_INSTITUCION_y', 'NOMBRE_INSTITUCION_y', 'PRICIPAL_O_SECCIONAL',
       'ID_SECTOR', 'ID_CARACTER', 'CODIGO_DEPARTAMENTO', 'DEPARTAMENTO',
       'CODIGO_MUNICIPIO', 'MUNICIPIO', 'MUNICIPIO_OFERTA',
       'NOMBRE_DEL_PROGRAMA_y', 'NIVEL_ACADEMICO_y', 'NIVEL_FORMACION',
       'METODOLOGIA', 'ID_AREA', 'ID_NUCLEO', 'NUCLEO_BÁSICO_DEL_CONOCIMIENTO',
       'CODIGO_DEPARTAMENTO_PROGRAMA', 'DEPARTAMENTO_OFERTA_PROGRAMA_y',
       'CODIGO_MUNICIPIO_PROGRAMA', 'MUNICIPIO_OFERTA_PROGRAMA_y', 'ID_GENERO',
       'YEAR_y', 'SEMESTRE', 'TOTAL_MATRICULADOS'],
      dtype='object')


posgrados.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 6849579 entries, 0 to 6849578
Data columns (total 60 columns):
 #   Column                          Dtype  
---  ------                          -----  
 0   IES_PADRE                       int64  
 1   CODIGO_INSTITUCION_x            int64  
 2   NOMBRE_INSTITUCION_x            object 
 3   ESTADO_INSTITUCION              object 
 4   CARACTER_ACADEMICO              object 
 5   SECTOR                          object 
 6   CODIGO_SNIES_DEL_PROGRAMA       int64  
 7   CODIGO_ANTERIOR_ICFES           float64
 8   NOMBRE_DEL_PROGRAMA_x           object 
 9   TITULO_OTORGADO                 object 
 10  ESTADO_PROGRAMA                 object 
 11  RECONOCIMIENTO_DEL_MINISTERIO   object 
 12  RESOLUCION_DE_APROBACION        float64
 13  FECHA_DE_RESOLUCION             object 
 14  FECHA_EJECUTORIA                object 
 15  VIGENCIA_AÑOS                   object 
 16  FECHA_DE_REGISTRO_EN_SNIES      object 
 17  YEAR_x                          int64  
 18  CINE_F_2013_AC_CAMPO_AMPLIO     object 
 19  CINE_F_2013_AC_CAMPO_ESPECIFIC  object 
 20  CINE_F_2013_AC_CAMPO_DETALLADO  object 
 21  AREA_DE_CONOCIMIENTO            object 
 22  NUCLEO_BASICO_DEL_CONOCIMIENTO  object 
 23  NIVEL_ACADEMICO_x               object 
 24  NIVEL_DE_FORMACION              object 
 25  MODALIDAD                       object 
 26  NUMERO_CREDITOS                 float64
 27  NUMERO_PERIODOS_DE_DURACION     float64
 28  PERIODICIDAD                    object 
 29  SE_OFRECE_POR_CICLOS_PROPEDEUT  object 
 30  PERIODICIDAD_ADMISIONES         object 
 31  PROGRAMA_EN_CONVENIO            object 
 32  DEPARTAMENTO_OFERTA_PROGRAMA_x  object 
 33  MUNICIPIO_OFERTA_PROGRAMA_x     object 
 34  COSTO_MATRICULA_ESTUD_NUEVOS    float64
 35  CODIGO_INSTITUCION_y            int64  
 36  NOMBRE_INSTITUCION_y            object 
 37  PRICIPAL_O_SECCIONAL            object 
 38  ID_SECTOR                       int64  
 39  ID_CARACTER                     int64  
 40  CODIGO_DEPARTAMENTO             int64  
 41  DEPARTAMENTO                    object 
 42  CODIGO_MUNICIPIO                int64  
 43  MUNICIPIO                       object 
 44  MUNICIPIO_OFERTA                int64  
 45  NOMBRE_DEL_PROGRAMA_y           object 
 46  NIVEL_ACADEMICO_y               object 
 47  NIVEL_FORMACION                 object 
 48  METODOLOGIA                     object 
 49  ID_AREA                         int64  
 50  ID_NUCLEO                       object 
 51  NUCLEO_BÁSICO_DEL_CONOCIMIENTO  object 
 52  CODIGO_DEPARTAMENTO_PROGRAMA    int64  
 53  DEPARTAMENTO_OFERTA_PROGRAMA_y  object 
 54  CODIGO_MUNICIPIO_PROGRAMA       int64  
 55  MUNICIPIO_OFERTA_PROGRAMA_y     object 
 56  ID_GENERO                       int64  
 57  YEAR_y                          int64  
 58  SEMESTRE                        int64  
 59  TOTAL_MATRICULADOS              object 
dtypes: float64(5), int64(16), object(39)
memory usage: 3.1+ GB


# Filtrar programas que están en un estado específico
programas_activos = posgrados[posgrados['ESTADO_PROGRAMA'] == 'Activo']
programas_activos


# Contar la cantidad de programas por año
conteo_por_año = posgrados.groupby('YEAR_y').size()
conteo_por_año

YEAR_y
2015    1002070
2016    1096330
2017    1144787
2018    1172944
2019    1220241
2020    1213207
dtype: int64


# Se agrupa el DataFrame por la columna 'METODOLOGIA' y se cuentan los registros en cada grupo
agrupacion_modalidad = posgrados.groupby('METODOLOGIA')
agrupacion_modalidad.count()


import pandas as pd
import matplotlib.pyplot as plt


registros_por_modalidad_y_year = posgrados.groupby(['YEAR_x', 'MODALIDAD']).size().unstack()


registros_por_modalidad_y_year['Total'] = registros_por_modalidad_y_year.sum(axis=1)


registros_por_modalidad_y_year


import pandas as pd
import matplotlib.pyplot as plt

registros_por_modalidad_y_anio = posgrados.groupby(['YEAR_x', 'MODALIDAD']).size().unstack()

plt.figure(figsize=(12, 6))
for modalidad in registros_por_modalidad_y_anio.columns:
    plt.plot(registros_por_modalidad_y_anio.index, registros_por_modalidad_y_anio[modalidad], marker='o', label=modalidad)

plt.title('Evolución de la Cantidad de Registros por Modalidad')
plt.xlabel('Año')
plt.ylabel('Cantidad de Registros')
plt.xticks(registros_por_modalidad_y_anio.index[::2])
plt.legend(title='Modalidad', bbox_to_anchor=(1.05, 1), loc='upper left')
plt.grid(True)
plt.ylim(bottom=0.5)
plt.tight_layout()
plt.show()


programas_por_departamento = posgrados.groupby('DEPARTAMENTO_OFERTA_PROGRAMA_x')['NOMBRE_DEL_PROGRAMA_x'].nunique().reset_index()


programas_por_departamento.columns = ['Departamento', 'Cantidad de programas']


programas_por_departamento


import matplotlib.pyplot as plt
import seaborn as sns

programas_por_departamento = programas_por_departamento.sort_values(by='Cantidad de programas', ascending=False)

sns.set(style="whitegrid")
plt.figure(figsize=(12, 8))
bars = sns.barplot(x='Departamento', y='Cantidad de programas', data=programas_por_departamento, palette=sns.color_palette("husl", len(programas_por_departamento)))

plt.title('Cantidad de Programas de Posgrado por Departamento')
plt.xlabel('Departamento')
plt.ylabel('Cantidad de Programas')
bars.set_xticklabels(bars.get_xticklabels(), rotation=45, ha='right', fontsize=10)
plt.tight_layout()
plt.show()

<ipython-input-29-21844777684b>:8: FutureWarning: 

Passing `palette` without assigning `hue` is deprecated and will be removed in v0.14.0. Assign the `x` variable to `hue` and set `legend=False` for the same effect.

  bars = sns.barplot(x='Departamento', y='Cantidad de programas', data=programas_por_departamento, palette=sns.color_palette("husl", len(programas_por_departamento)))
<ipython-input-29-21844777684b>:13: UserWarning: FixedFormatter should only be used together with FixedLocator
  bars.set_xticklabels(bars.get_xticklabels(), rotation=45, ha='right', fontsize=10)


pip install scipy

Requirement already satisfied: scipy in /usr/local/lib/python3.10/dist-packages (1.13.1)
Requirement already satisfied: numpy<2.3,>=1.22.4 in /usr/local/lib/python3.10/dist-packages (from scipy) (1.26.4)


import scipy.stats as stats


datos_muestra = datos_combinados['NUMERO_CREDITOS'].dropna()


estadistico_t, valor_p = stats.ttest_1samp(datos_muestra, 60.5)
print(f"Estadístico t: {estadistico_t}")
print(f"Valor p: {valor_p}")

Estadístico t: 1.5216414043130821
Valor p: 0.1280990037842468


import numpy as np
import matplotlib.pyplot as plt


def calcular_intervalo_confianza(datos, confianza=0.95):
    media = np.mean(datos)
    sem = stats.sem(datos)
    intervalo = stats.t.interval(confianza, len(datos) - 1, loc=media, scale=sem)
    return media, intervalo


media_creditos, intervalo_confianza = calcular_intervalo_confianza(datos_muestra)


print(f"Media del número de créditos: {media_creditos:.2f}")
print(f'Intervalo de confianza (95%) para la media de créditos: {intervalo_confianza}')

Media del número de créditos: 60.53
Intervalo de confianza (95%) para la media de créditos: (60.49094551718293, 60.57191989542532)


plt.figure(figsize=(10, 6))
plt.hist(datos_muestra, bins=range(int(min(datos_muestra)), int(max(datos_muestra)) + 2), edgecolor='black')
plt.axvline(media_creditos, color='red', linestyle='dashed', linewidth=1, label=f'Promedio: {media_creditos:.2f}')
plt.axvline(intervalo_confianza[0], color='green', linestyle='dashed', linewidth=1, label='Límite Inferior del IC')
plt.axvline(intervalo_confianza[1], color='green', linestyle='dashed', linewidth=1, label='Límite Superior del IC')

plt.xlabel('Número de Créditos')
plt.ylabel('Frecuencia')
plt.title('Distribución del Número de Créditos')
plt.legend()
plt.show()


confidence = 0.95
print(f"Con un nivel de confianza del {confidence*100}%, se estima que el número de créditos promedio en la población estudiantil es de {intervalo_confianza[0]:.1f} a {intervalo_confianza[1]:.1f}.")

Con un nivel de confianza del 95.0%, se estima que el número de créditos promedio en la población estudiantil es de 60.5 a 60.6.


import scipy.stats as stats


datos_num= datos_combinados[['NUMERO_CREDITOS', 'MODALIDAD']].dropna()
grupos = datos_num.groupby('MODALIDAD')['NUMERO_CREDITOS'].apply(list)


grupos

MODALIDAD
Dual          [40.0, 40.0, 40.0, 40.0, 40.0, 40.0, 40.0, 40....
Presencial    [135.0, 135.0, 135.0, 135.0, 135.0, 135.0, 135...
Virtual       [28.0, 28.0, 28.0, 28.0, 28.0, 28.0, 28.0, 28....
Name: NUMERO_CREDITOS, dtype: object


Presencial = grupos.get('Presencial', [])
Virtual = grupos.get('Virtual', [])
Dual = grupos.get('Dual', [])


estadistico_f, valor_p = stats.f_oneway(Presencial, Virtual, Dual)
print(f"Estadístico F: {estadistico_f}")
print(f"Valor p: {valor_p}")

Estadístico F: 87481.3450827921
Valor p: 0.0


import pandas as pd
import numpy as np
import matplotlib.pyplot as plt


datos_filtrados = datos_combinados[['NUMERO_CREDITOS', 'COSTO_MATRICULA_ESTUD_NUEVOS']].dropna()


X = datos_filtrados['NUMERO_CREDITOS'].values
y = datos_filtrados['COSTO_MATRICULA_ESTUD_NUEVOS'].values


X_ones = np.c_[np.ones(len(X)), X]


beta = np.linalg.inv(X_ones.T.dot(X_ones)).dot(X_ones.T).dot(y)
print(f'Parámetros del modelo (beta): {beta}')

Parámetros del modelo (beta): [9883921.78944088   43562.81870339]


plt.figure(figsize=(10, 6))
plt.scatter(X, y, s=40, c='#FF0000', label='Datos')
X_lim = [X.min(), X.max()]
X_lim_ones = np.c_[np.ones(2), X_lim]
y_lim = X_lim_ones.dot(beta)
plt.plot(X_lim, y_lim, 'g-', label='Línea de Regresión')

# Configurar el gráfico
plt.xlabel('Número de Créditos')
plt.ylabel('Costo de Matrícula Estudiantes Nuevos')
plt.title('Número de Créditos vs Costo de Matrícula Estudiantes Nuevos')
plt.legend()
plt.grid()
plt.show()


numero_creditos_nuevo = 40
costo_matricula_pred = beta[0] + (beta[1] * numero_creditos_nuevo)
# Usando f-string con formato para miles
print(f'El costo de matrícula calculado para {numero_creditos_nuevo} créditos es: ${costo_matricula_pred:,.2f}')

El costo de matrícula calculado para 40 créditos es: $11,626,434.54


import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler


variables = ['NUMERO_CREDITOS', 'NUMERO_PERIODOS_DE_DURACION', 'COSTO_MATRICULA_ESTUD_NUEVOS', 'TOTAL_MATRICULADOS', 'VIGENCIA_AÑOS']


datos_seleccionados = datos_combinados[variables]


print(datos_seleccionados.dtypes)

NUMERO_CREDITOS                 float64
NUMERO_PERIODOS_DE_DURACION     float64
COSTO_MATRICULA_ESTUD_NUEVOS    float64
TOTAL_MATRICULADOS               object
VIGENCIA_AÑOS                    object
dtype: object


for column in datos_seleccionados.columns:
    if datos_seleccionados[column].dtype == 'object':
        datos_seleccionados[column] = datos_seleccionados[column].str.replace(',', '.', regex=False)
        datos_seleccionados[column] = pd.to_numeric(datos_seleccionados[column], errors='coerce')

<ipython-input-56-29eec8ba173a>:3: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  datos_seleccionados[column] = datos_seleccionados[column].str.replace(',', '.', regex=False)
<ipython-input-56-29eec8ba173a>:4: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  datos_seleccionados[column] = pd.to_numeric(datos_seleccionados[column], errors='coerce')


datos_seleccionados = datos_seleccionados.dropna()


datos_seleccionados.dtypes

NUMERO_CREDITOS                 float64
NUMERO_PERIODOS_DE_DURACION     float64
COSTO_MATRICULA_ESTUD_NUEVOS    float64
TOTAL_MATRICULADOS              float64
VIGENCIA_AÑOS                   float64
dtype: object


datos_seleccionados.head()


scaler = StandardScaler()
datos_scaled = scaler.fit_transform(datos_seleccionados)


pca = PCA(n_components=2)
pca_resultados = pca.fit_transform(datos_scaled)


df_pca = pd.DataFrame(data=pca_resultados, columns=['Componente Principal 1', 'Componente Principal 2'])


plt.figure(figsize=(10, 6))
sns.scatterplot(x='Componente Principal 1', y='Componente Principal 2', data=df_pca, alpha=0.5)
plt.title('Resultados de PCA - Análisis Multivariante de Programas')
plt.xlabel('Componente Principal 1')
plt.ylabel('Componente Principal 2')
plt.grid(True)
plt.show()


import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np


datos_combinados.head()

Warning: Total number of columns (60) exceeds max_columns (20) limiting to first (20) columns.


datos_combinados.tail()

Warning: Total number of columns (60) exceeds max_columns (20) limiting to first (20) columns.


datos_combinados.columns

Index(['IES_PADRE', 'CODIGO_INSTITUCION_x', 'NOMBRE_INSTITUCION_x',
       'ESTADO_INSTITUCION', 'CARACTER_ACADEMICO', 'SECTOR',
       'CODIGO_SNIES_DEL_PROGRAMA', 'CODIGO_ANTERIOR_ICFES',
       'NOMBRE_DEL_PROGRAMA_x', 'TITULO_OTORGADO', 'ESTADO_PROGRAMA',
       'RECONOCIMIENTO_DEL_MINISTERIO', 'RESOLUCION_DE_APROBACION',
       'FECHA_DE_RESOLUCION', 'FECHA_EJECUTORIA', 'VIGENCIA_AÑOS',
       'FECHA_DE_REGISTRO_EN_SNIES', 'YEAR_x', 'CINE_F_2013_AC_CAMPO_AMPLIO',
       'CINE_F_2013_AC_CAMPO_ESPECIFIC', 'CINE_F_2013_AC_CAMPO_DETALLADO',
       'AREA_DE_CONOCIMIENTO', 'NUCLEO_BASICO_DEL_CONOCIMIENTO',
       'NIVEL_ACADEMICO_x', 'NIVEL_DE_FORMACION', 'MODALIDAD',
       'NUMERO_CREDITOS', 'NUMERO_PERIODOS_DE_DURACION', 'PERIODICIDAD',
       'SE_OFRECE_POR_CICLOS_PROPEDEUT', 'PERIODICIDAD_ADMISIONES',
       'PROGRAMA_EN_CONVENIO', 'DEPARTAMENTO_OFERTA_PROGRAMA_x',
       'MUNICIPIO_OFERTA_PROGRAMA_x', 'COSTO_MATRICULA_ESTUD_NUEVOS',
       'CODIGO_INSTITUCION_y', 'NOMBRE_INSTITUCION_y', 'PRICIPAL_O_SECCIONAL',
       'ID_SECTOR', 'ID_CARACTER', 'CODIGO_DEPARTAMENTO', 'DEPARTAMENTO',
       'CODIGO_MUNICIPIO', 'MUNICIPIO', 'MUNICIPIO_OFERTA',
       'NOMBRE_DEL_PROGRAMA_y', 'NIVEL_ACADEMICO_y', 'NIVEL_FORMACION',
       'METODOLOGIA', 'ID_AREA', 'ID_NUCLEO', 'NUCLEO_BÁSICO_DEL_CONOCIMIENTO',
       'CODIGO_DEPARTAMENTO_PROGRAMA', 'DEPARTAMENTO_OFERTA_PROGRAMA_y',
       'CODIGO_MUNICIPIO_PROGRAMA', 'MUNICIPIO_OFERTA_PROGRAMA_y', 'ID_GENERO',
       'YEAR_y', 'SEMESTRE', 'TOTAL_MATRICULADOS'],
      dtype='object')


columnas_requeridas = ['NUMERO_CREDITOS', 'NUMERO_PERIODOS_DE_DURACION', 'COSTO_MATRICULA_ESTUD_NUEVOS', 'TOTAL_MATRICULADOS']


nuevo_data = datos_combinados[columnas_requeridas].replace({'0': np.nan, '': np.nan})
nuevo_data.head()


nuevo_data['NUMERO_CREDITOS'] = pd.to_numeric(nuevo_data['NUMERO_CREDITOS'], errors='coerce')
nuevo_data['NUMERO_PERIODOS_DE_DURACION'] = pd.to_numeric(nuevo_data['NUMERO_PERIODOS_DE_DURACION'], errors='coerce')
nuevo_data['COSTO_MATRICULA_ESTUD_NUEVOS'] = pd.to_numeric(nuevo_data['COSTO_MATRICULA_ESTUD_NUEVOS'], errors='coerce')
nuevo_data['TOTAL_MATRICULADOS'] = pd.to_numeric(nuevo_data['TOTAL_MATRICULADOS'], errors='coerce')


nuevo_data = nuevo_data.dropna(subset = columnas_requeridas)


nuevo_data


nuevo_data.dtypes

NUMERO_CREDITOS                 float64
NUMERO_PERIODOS_DE_DURACION     float64
COSTO_MATRICULA_ESTUD_NUEVOS    float64
TOTAL_MATRICULADOS              float64
dtype: object


nuevo_data.count()

NUMERO_CREDITOS                 5552001
NUMERO_PERIODOS_DE_DURACION     5552001
COSTO_MATRICULA_ESTUD_NUEVOS    5552001
TOTAL_MATRICULADOS              5552001
dtype: int64


correlation = nuevo_data['COSTO_MATRICULA_ESTUD_NUEVOS'].corr(nuevo_data['NUMERO_CREDITOS'])
print(f'Correlación entre Costo de estudiantes matriculados y Número de créditos: {correlation}')

Correlación entre Costo de estudiantes matriculados y Número de créditos: 0.32364517667598025


plt.scatter(nuevo_data['COSTO_MATRICULA_ESTUD_NUEVOS'], nuevo_data['NUMERO_CREDITOS'], color = 'red')
plt.title('Relación entre Costo de estudiantes matriculados y Número de créditos', fontweight='bold')
plt.xlabel('Costo de estudiantes matriculados', fontweight='bold')
plt.ylabel('Número de créditos', fontweight='bold')
plt.show()


import requests
from bs4 import BeautifulSoup
import time


url = 'https://www.unisabana.edu.co/portaldenoticias/al-dia/la-tendencia-de-los-estudios-de-posgrado-en-colombia/'
archivo_datos = 'datos_extraidos_parrafo.txt'


try:
    result = requests.get(url)

    if result.status_code == 200:
        soup = BeautifulSoup(result.text, 'html.parser')
        titulo = soup.find('title').get_text(strip=True)
        print('Título:', titulo)
        parrafos = soup.find_all('p')

        if parrafos:
            contenido_parrafo = '\n'.join([p.get_text(strip=True) for p in parrafos])
            print('Contenido del párrafo:\n', contenido_parrafo)
            with open(archivo_datos, 'w', encoding='utf-8') as file:
                file.write('Título: ' + titulo + '\n\n')
                file.write('Contenido del párrafo:\n\n' + contenido_parrafo + '\n')

        else:
            print('No se encontraron párrafos en la página.')

    else:
        print(f'Error al acceder a {url}: Código de estado {result.status_code}')

    time.sleep(1)

except Exception as e:
    print(f'Ocurrió un error al procesar {url}: {e}')

Título: Conozca la tendencia de los estudios de posgrado en Colombia
Contenido del párrafo:
 Por Jorge David Páez Monroy, director General del Instituto Forum.
De acuerdo con los comportamientos y las cifras que se observan en el Sistema de Información del Ministerio de Educación Nacional, y con los resultados en el crecimiento de programas de formación posgradual en las universidades, la tendencia sigue siendo hacia especializaciones y maestrías de profundización innovadoras, que estén en diálogo con las necesidades empresariales y que sean pertinentes con la formación de calidad, al atender ejes y competencias que respondan al mercado laboral, entre las cuales se deben tener en cuenta las formas de pensar para la resolución de problemas con creatividad y de manera ágil, así como la forma de enseñar a convivir en el mundo con responsabilidad personal y social, articulándose con la ciudadanía global. Programas con mecanismos para integrarse al mundo, como las tecnologías digitales, la información y el manejo eficiente de los datos, y con relacionamiento colaborativo para la construcción conjunta de nuevo conocimiento que lleve al crecimiento del país. Es importante tener en nuestro país posgrados virtuales, presenciales o la combinación de los anteriores.
Se puede decir que las especializaciones, maestrías y MBA favorecen la adquisición de nuevas competencias, de manera ágil y contundente, para afrontar los requerimientos del mercado laboral y las competencias tan apetecidas por los empresarios, por lo cual son tan atractivas para estudiantes jóvenes que desean contar con conocimientos, capacidades y actitudes para competir en esta cuarta parte del siglo XXI de manera pertinente. Continúan en crecimiento los posgrados en las áreas de gestión, gerencia y administración.
Desde hace varios años se viene observando la tendencia de crecimiento de la formación en posgrados mediante los procesos llevados on line a nivel mundial, dando mayores oportunidades de abrirnos al mundo del conocimiento al romper fronteras, con la posibilidad de acceder a otras culturas y construir alternativas de solución de problemas en el sector productivo de manera colectiva,compartiendo o aprendiendo de las buenas prácticas de la formación posgradual, a partir de nuevas modalidades y metodologías para gestionar y adquirir conocimiento.
Colombia lleva varios años en esta modalidad; sin embargo, ha sido tímida en el desarrollo de estos procesos, quizá por la calificación que se le tenía a esta formación “de baja calidad”. Es así como se ha constituido para el país en un reto, pero también en una solución en el modo de educar. Se sabe que, incluso antes de la emergencia sanitaria causada por el COVID-19, los modelos virtuales en la educación superior en Colombia venían desarrollándose en el marco del aseguramiento de la calidad, atendiendo a las demandas globales de la educación superior, tal como lo han solicitado decretos que rigen la educación superior y que, hoy por hoy, se hacen explícitos en el Decreto 1330 del 25 de julio de 2019, en el cual se invita a una realidad de inclusión, equidad y fortalecimiento de la internacionalización, con las condiciones de calidad requeridas para ser competitivos en este tipo de modalidad de formación posgradual.
Se puede decir que las especializaciones, maestrías y MBA favorecen la adquisición de nuevas competencias, de manera ágil y contundente, para afrontar los requerimientos del mercado laboral.
La formación posgradual de los profesionales a partir de esta modalidad se abre a un mundo de posibilidades. Por un lado, la oportunidad y el espacio de flexibilidad para los estudiantes de posgrado que desean continuar sus estudios con un manejo del tiempo y, por el otro, al garantizarles el poder responder a competencias requeridas por el mercado laboral, que sin duda alguna se dan en su formación, como el manejo de datos en la era digital, las comunicaciones y el conocimiento digitales, la gestión de la información, el trabajo colaborativo y en red.
Es muy claro que la educación virtual es todo un modelo de calidad y que, sin duda alguna, con esta oportunidad de formación se fortalecerá el eje de competitividad para el país en la formación del talento humano.
La comunidad universitaria de posgrados cambió el paradigma de una clase presencial por la metodología remota o Hyflex, y por unas metodologías en las cuales, tanto quien aprende como quien enseña, toma consciencia de sus propias ideas como un primer paso hacia su transformación y la resolución de problemas reales, en los que se aplique la relevancia práctica en beneficio de las personas, las organizaciones y, por ende, de la sociedad.
Para seguir creciendo, el camino es continuar el proceso de evolucionar apoyados en la idea de una universidad de tercera generación, que cuente con un portafolio ágil, un escalamiento del sistema de aprendizaje, una arquitectura para la investigación y que se caracterice por ser una organización innovadora. Esta nueva forma de hacer las cosas es un aprendizaje constante que lleva a un mejoramiento continuo, en donde lo importante es tener claro que las circunstancias cambian lo que hacemos, pero nunca lo que somos.
Universidad de La Sabana.
Código SNIES 1711Personería Jurídica:Resolución 130 del 14 de enero de 1980. Ministerio de Educación Nacional.
Carácter académico: universidad.
Síguenos en nuestras redes

Sala de PrensaUnidades AcadémicasDonacionesPolítica de Protección de datosPolítica de CookiesProtocolo de atención para casos de acoso, violencia sexual y basada en género, así como de comportamientos que sean contrarios a los principios fundamentales de la Universidad o enfrentan la dignidad de cualquiera de los miembros de la comunidad univesitaria
Contacto para notificaciones legales
Si tiene alguna notificación legal puede enviarla al correo: notificacioneslegales@unisabana.edu.co
Institución de educación superior sujeta a inspección y vigilancia por el Ministerio de Educación Nacional.Copyright 2017. Universidad de La Sabana. Todos los derechos reservados.Campus del Puente del Común, Km. 7, Autopista Norte de Bogotá. Chía, Cundinamarca, Colombia.Contact Center: (601) 861 5555 / 861 6666. Apartado: 53753, Bogotá.
Al navegar en este sitio web, usted acepta el uso de cookies y el tratamiento de sus datos personales por parte de la Universidad conforme a su política de cookies y la política de protección de datos personales. En cualquier momento podrá configurar el uso de cookies en su ordenador, y para ejercer sus derechos de protección de datos personales puede hacerlo a través de los canales habilitados como el correoprotecciondedatos@unisabana.edu.coprotecciondedatos@unisabana.edu.co


# import mysql.connector
# import requests

# Configuración de la base de datos MySQL
# db_config = {
#     "host": "localhost",
#     "user": "root",
#     "password": "",
#     "database": "Graduados_Pre_Pos"
# }

# Consulta SQL para insertar datos en la tabla graduados
# sql_insert = """
#     INSERT INTO grado (id, vigencia, nombre_facultad, nombre_programa, jornada, modalidad, no_de_graduados)
#     VALUES (%s, %s, %s, %s, %s, %s, %s)
# """

# URL de la API que proporciona los datos en formato JSON
# api_url = 'https://www.datos.gov.co/resource/gdwy-s35v.json'

# Función para procesar cada fila de datos del JSON
# def process_row(row, cursor):
#     id = int(row['id']) if 'id' in row and row['id'].isdigit() else None
#     vigencia = row['vigencia']
#     nombre_facultad = row['nombre_facultad']
#     nombre_programa = row['nombre_programa']
#     jornada = row['jornada']
#     modalidad = row['modalidad']
#     no_de_graduados = int(row['no_de_graduados']) if 'no_de_graduados' in row else None

#     row_data = (id, vigencia, nombre_facultad, nombre_programa, jornada, modalidad, no_de_graduados)
#     cursor.execute(sql_insert, row_data)

# Función para procesar la API y almacenar los datos en MySQL
# def process_api(api_url, cursor, db):
#     try:
#         response = requests.get(api_url)
#         response.raise_for_status()  # Lanza una excepción para códigos de estado de respuesta HTTP no exitosos

#         data = response.json()
#         for row in data:
#             process_row(row, cursor)

#         db.commit()
#         print(f'Datos de la tabla exportados correctamente a la base de datos MySQL')

#     except requests.RequestException as e:
#         print(f'Error de solicitud para {api_url}: {str(e)}')
#     except mysql.connector.Error as e:
#         print(f'Error de MySQL: {str(e)}')
#     except Exception as e:
#         print(f'Error general: {str(e)}')

# Función principal
# def main():
#     try:
#         db = mysql.connector.connect(**db_config)
#         cursor = db.cursor()

#         process_api(api_url, cursor, db)

#     except mysql.connector.Error as e:
#         print(f'Error de MySQL: {str(e)}')
#     finally:
#         if 'cursor' in locals() and cursor is not None:
#             cursor.close()
#         if 'db' in locals() and db.is_connected():
#             db.close()

# if __name__ == "__main__":
#     main()


pip install mysql-connector-python

Collecting mysql-connector-python
  Downloading mysql_connector_python-9.0.0-cp310-cp310-manylinux_2_17_x86_64.whl.metadata (2.0 kB)
Downloading mysql_connector_python-9.0.0-cp310-cp310-manylinux_2_17_x86_64.whl (19.3 MB)
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 19.3/19.3 MB 37.2 MB/s eta 0:00:00
Installing collected packages: mysql-connector-python
Successfully installed mysql-connector-python-9.0.0


import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
import mysql.connector
import numpy as np


def connect_to_database():
    return mysql.connector.connect(
        host="bnvbikebwlzc7dpiqrxa-mysql.services.clever-cloud.com",
        database="bnvbikebwlzc7dpiqrxa",
        user="upibrhhbw3vgse5z",
        password="3HMRCE2U6P6d081q7VcC"
    )


def run_query(query1):
    db = connect_to_database()
    cursor = db.cursor()
    cursor.execute(query1)
    result = cursor.fetchall()
    cursor.close()
    db.close()
    return pd.DataFrame(result)


query1 = """
SELECT nombre_programa, SUM(no_de_graduados) AS total_graduados
FROM graduados
WHERE nombre_programa LIKE 'maes%' OR nombre_programa LIKE 'especi%' OR nombre_programa LIKE 'doc%'
GROUP BY nombre_programa
ORDER BY total_graduados DESC
LIMIT 10;
"""
df1 = run_query(query1)


plt.figure(figsize=(10, 8))
plt.barh(df1[0], df1[1], color='blue', edgecolor='black')
plt.xlabel('Número de Graduados')
plt.ylabel('Programa')
plt.title('Programas con Mayor Número de Graduados')
plt.gca().invert_yaxis()
plt.show()


def run_query(query2):
    db = connect_to_database()
    cursor = db.cursor()
    cursor.execute(query2)
    result = cursor.fetchall()
    cursor.close()
    db.close()
    return result


query2 = """
SELECT nombre_programa, SUM(no_de_graduados) AS total_graduados
FROM graduados
WHERE (nombre_programa LIKE 'maestri%Ingeniería%'
    OR nombre_programa LIKE 'espec%Ingeniería%'
    OR nombre_programa LIKE 'doc%Ingeniería%')
GROUP BY nombre_programa
ORDER BY total_graduados DESC
LIMIT 10;
"""
result = run_query(query2)


df = pd.DataFrame(result, columns=['nombre_programa', 'total_graduados'])

plt.figure(figsize=(12, 8))
plt.barh(df['nombre_programa'], df['total_graduados'], color='gold', edgecolor='black')
plt.xlabel('Número de Graduados')
plt.ylabel('Programa de Estudio')
plt.title('Programas con mayor Número de Graduados en Ingenierías (Maestrías, Especializaciones y Doctorados)')
plt.gca().invert_yaxis()
plt.show()


def run_query(query3):
    db = connect_to_database()
    cursor = db.cursor()
    cursor.execute(query3)
    result = cursor.fetchall()
    cursor.close()
    return result


query3 = """
SELECT vigencia, SUM(no_de_graduados) AS total_graduados
FROM graduados
GROUP BY vigencia;
"""
result = run_query(query3)


df = pd.DataFrame(result, columns=['vigencia', 'total_graduados'])
print(df)

plt.figure(figsize=(10, 8))
colors = plt.get_cmap('tab10').colors
bars = plt.bar(df['vigencia'], df['total_graduados'], color=colors[:len(df['vigencia'])], edgecolor='black')

for bar in bars:
    yval = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2, yval, yval, ha='center', va='bottom', fontsize=12)

plt.xlabel('Vigencia')
plt.ylabel('Número de Graduados')
plt.title('Número de Graduados por Vigencia')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

                 vigencia total_graduados
0    PRIMER SEMESTRE 2020             394
1  SEGUNDO SEMESTRE  2020            3852
2   PRIMER SEMESTRE  2021            2433
3   SEGUNDO SEMESTRE 2021            1153
4    PRIMER SEMESTRE 2022            1360

	IES_PADRE	CODIGO_INSTITUCION	NOMBRE_INSTITUCION	ESTADO_INSTITUCION	CARACTER_ACADEMICO	SECTOR	CODIGO_SNIES_DEL_PROGRAMA	CODIGO_ANTERIOR_ICFES	NOMBRE_DEL_PROGRAMA	TITULO_OTORGADO	...	MODALIDAD	NUMERO_CREDITOS	NUMERO_PERIODOS_DE_DURACION	PERIODICIDAD	SE_OFRECE_POR_CICLOS_PROPEDEUT	PERIODICIDAD_ADMISIONES	PROGRAMA_EN_CONVENIO	DEPARTAMENTO_OFERTA_PROGRAMA	MUNICIPIO_OFERTA_PROGRAMA	COSTO_MATRICULA_ESTUD_NUEVOS
0	1101	1101	UNIVERSIDAD NACIONAL DE COLOMBIA	Activa	Universidad	Oficial	52729	52729.0	DOCTORADO EN INGENIERIA DE SISTEMAS Y COMPUTA...	DOCTOR EN INGENIERIA	...	Presencial	135.0	8.0	Semestral	No	Semestral	N	Bogotá, D.C.	Bogotá, D.C.	10424920.0
1	1101	1101	UNIVERSIDAD NACIONAL DE COLOMBIA	Activa	Universidad	Oficial	107164	107164.0	DOCTORADO EN ADMINISTRACIÓN	DOCTOR(A) EN ADMINISTRACIÓN	...	Presencial	135.0	8.0	Semestral	No	Semestral	N	Bogotá, D.C.	Bogotá, D.C.	8908265.0
2	1101	1101	UNIVERSIDAD NACIONAL DE COLOMBIA	Activa	Universidad	Oficial	55123	55123.0	DOCTORADO EN AGROECOLOGÍA	DOCTOR EN AGROECOLOGÍA	...	Presencial	120.0	8.0	Semestral	No	Anual	N	Bogotá, D.C.	Bogotá, D.C.	9558260.0
3	1101	1101	UNIVERSIDAD NACIONAL DE COLOMBIA	Activa	Universidad	Oficial	55186	55186.0	DOCTORADO EN ANTROPOLOGIA	DOCTOR EN ANTROPOLOGIA	...	Presencial	149.0	8.0	Semestral	No	Semestral	N	Bogotá, D.C.	Bogotá, D.C.	10424920.0
4	1101	1101	UNIVERSIDAD NACIONAL DE COLOMBIA	Activa	Universidad	Oficial	52727	52727.0	DOCTORADO EN ARTE Y ARQUITECTURA	DOCTOR EN ARTE Y ARQUITECTURA	...	Presencial	140.0	8.0	Semestral	No	NaN	N	Bogotá, D.C.	Bogotá, D.C.	10424920.0
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
6365	1735	9122	UNIVERSIDAD MANUELA BELTRAN-UMB-	Activa	Universidad	Privado	54252	54252.0	ESPECIALIZACION EN INVESTIGACION CRIMINAL	ESPECIALISTA EN INVESTIGACION CRIMINAL	...	Presencial	NaN	2.0	Semestral	No	Sin definir	N	Santander	Bucaramanga	10041545.0
6366	1735	9122	UNIVERSIDAD MANUELA BELTRAN-UMB-	Activa	Universidad	Privado	54805	54805.0	ESPECIALIZACION EN INVESTIGACION CRIMINAL	ESPECIALISTA EN INVESTIGACION CRIMINAL	...	Presencial	30.0	2.0	Semestral	No	Semestral	N	Santander	Bucaramanga	NaN
6367	1735	9122	UNIVERSIDAD MANUELA BELTRAN-UMB-	Activa	Universidad	Privado	109316	109316.0	ESPECIALIZACION EN SEGURIDAD Y SALUD EN EL TRA...	ESPECIALISTA EN SEGURIDAD Y SALUD EN EL TRABAJO	...	Presencial	30.0	2.0	Semestral	No	Trimestral	N	Santander	Bucaramanga	9129236.0
6368	1735	9122	UNIVERSIDAD MANUELA BELTRAN-UMB-	Activa	Universidad	Privado	106358	106358.0	MAESTRÍA EN SEGURIDAD Y SALUD EN EL TRABAJO	MAGÍSTER EN SEGURIDAD Y SALUD EN EL TRABAJO	...	Presencial	50.0	4.0	Periodos	No	Por cohorte	N	Santander	Bucaramanga	11006852.0
6369	1101	9933	UNIVERSIDAD NACIONAL DE COLOMBIA	Activa	Universidad	Oficial	116706	NaN	Especialización en Interculturalidad y Gestión...	Especialista en Interculturalidad y Gestión Te...	...	Presencial	24.0	2.0	Semestral	No	Anual	N	Cesar	La Paz	NaN

	CODIGO_INSTITUCION	IES_PADRE	NOMBRE_INSTITUCION	PRICIPAL_O_SECCIONAL	ID_SECTOR	ID_CARACTER	CODIGO_DEPARTAMENTO	DEPARTAMENTO	CODIGO_MUNICIPIO	MUNICIPIO	...	ID_NUCLEO	NUCLEO_BÁSICO_DEL_CONOCIMIENTO	CODIGO_DEPARTAMENTO_PROGRAMA	DEPARTAMENTO_OFERTA_PROGRAMA	CODIGO_MUNICIPIO_PROGRAMA	MUNICIPIO_OFERTA_PROGRAMA	ID_GENERO	YEAR	SEMESTRE	TOTAL_MATRICULADOS
0	1101	1101	UNIVERSIDAD NACIONAL DE COLOMBIA	PRINCIPAL	1	4	11	BOGOTA D.C.	11001	BOGOTA D.C.	...	445	MEDICINA	11	BOGOTA D.C.	11001	BOGOTA D.C.	2	2015	1	2
1	1101	1101	UNIVERSIDAD NACIONAL DE COLOMBIA	PRINCIPAL	1	4	11	BOGOTA D.C.	11001	BOGOTA D.C.	...	445	MEDICINA	11	BOGOTA D.C.	11001	BOGOTA D.C.	1	2015	1	20
2	1101	1101	UNIVERSIDAD NACIONAL DE COLOMBIA	PRINCIPAL	1	4	11	BOGOTA D.C.	11001	BOGOTA D.C.	...	445	MEDICINA	11	BOGOTA D.C.	11001	BOGOTA D.C.	2	2015	1	6
3	1101	1101	UNIVERSIDAD NACIONAL DE COLOMBIA	PRINCIPAL	1	4	11	BOGOTA D.C.	11001	BOGOTA D.C.	...	445	MEDICINA	11	BOGOTA D.C.	11001	BOGOTA D.C.	1	2015	1	4
4	1101	1101	UNIVERSIDAD NACIONAL DE COLOMBIA	PRINCIPAL	1	4	11	BOGOTA D.C.	11001	BOGOTA D.C.	...	445	MEDICINA	11	BOGOTA D.C.	11001	BOGOTA D.C.	2	2015	1	3
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
57028	9926	9926	FUNDACION UNIVERSITARIA INTERNACIONAL DE LA RI...	Principal	2	3	11	Bogotá D.C.	11001	Bogotá D.C.	...	69	Administración	11	Bogotá D.C.	11001	Bogotá D.C.	2	2020	1	12
57029	9927	9927	INSTITUCION UNIVERSITARIA DIGITAL DE ANTIOQUIA...	Principal	1	3	5	Antioquia	5001	Medellín	...	827	Ingeniería de sistemas telemática y afines	5	Antioquia	5001	Medellín	1	2020	1	4
57030	9927	9927	INSTITUCION UNIVERSITARIA DIGITAL DE ANTIOQUIA...	Principal	1	3	5	Antioquia	5001	Medellín	...	827	Ingeniería de sistemas telemática y afines	5	Antioquia	5001	Medellín	2	2020	1	1
57031	9927	9927	INSTITUCION UNIVERSITARIA DIGITAL DE ANTIOQUIA...	Principal	1	3	5	Antioquia	5001	Medellín	...	69	Administración	5	Antioquia	5001	Medellín	1	2020	1	25
57032	9927	9927	INSTITUCION UNIVERSITARIA DIGITAL DE ANTIOQUIA...	Principal	1	3	5	Antioquia	5001	Medellín	...	69	Administración	5	Antioquia	5001	Medellín	2	2020	1	20

	IES_PADRE	CODIGO_INSTITUCION	NOMBRE_INSTITUCION	ESTADO_INSTITUCION	CARACTER_ACADEMICO	SECTOR	CODIGO_SNIES_DEL_PROGRAMA	CODIGO_ANTERIOR_ICFES	NOMBRE_DEL_PROGRAMA	TITULO_OTORGADO	...	MODALIDAD	NUMERO_CREDITOS	NUMERO_PERIODOS_DE_DURACION	PERIODICIDAD	SE_OFRECE_POR_CICLOS_PROPEDEUT	PERIODICIDAD_ADMISIONES	PROGRAMA_EN_CONVENIO	DEPARTAMENTO_OFERTA_PROGRAMA	MUNICIPIO_OFERTA_PROGRAMA	COSTO_MATRICULA_ESTUD_NUEVOS
0	1101	1101	UNIVERSIDAD NACIONAL DE COLOMBIA	Activa	Universidad	Oficial	52729	52729.0	DOCTORADO EN INGENIERIA DE SISTEMAS Y COMPUTA...	DOCTOR EN INGENIERIA	...	Presencial	135.0	8.0	Semestral	No	Semestral	N	Bogotá, D.C.	Bogotá, D.C.	10424920.0
1	1101	1101	UNIVERSIDAD NACIONAL DE COLOMBIA	Activa	Universidad	Oficial	107164	107164.0	DOCTORADO EN ADMINISTRACIÓN	DOCTOR(A) EN ADMINISTRACIÓN	...	Presencial	135.0	8.0	Semestral	No	Semestral	N	Bogotá, D.C.	Bogotá, D.C.	8908265.0
2	1101	1101	UNIVERSIDAD NACIONAL DE COLOMBIA	Activa	Universidad	Oficial	55123	55123.0	DOCTORADO EN AGROECOLOGÍA	DOCTOR EN AGROECOLOGÍA	...	Presencial	120.0	8.0	Semestral	No	Anual	N	Bogotá, D.C.	Bogotá, D.C.	9558260.0
3	1101	1101	UNIVERSIDAD NACIONAL DE COLOMBIA	Activa	Universidad	Oficial	55186	55186.0	DOCTORADO EN ANTROPOLOGIA	DOCTOR EN ANTROPOLOGIA	...	Presencial	149.0	8.0	Semestral	No	Semestral	N	Bogotá, D.C.	Bogotá, D.C.	10424920.0
4	1101	1101	UNIVERSIDAD NACIONAL DE COLOMBIA	Activa	Universidad	Oficial	52727	52727.0	DOCTORADO EN ARTE Y ARQUITECTURA	DOCTOR EN ARTE Y ARQUITECTURA	...	Presencial	140.0	8.0	Semestral	No	NaN	N	Bogotá, D.C.	Bogotá, D.C.	10424920.0

	IES_PADRE	CODIGO_INSTITUCION	NOMBRE_INSTITUCION	ESTADO_INSTITUCION	CARACTER_ACADEMICO	SECTOR	CODIGO_SNIES_DEL_PROGRAMA	CODIGO_ANTERIOR_ICFES	NOMBRE_DEL_PROGRAMA	TITULO_OTORGADO	...	MODALIDAD	NUMERO_CREDITOS	NUMERO_PERIODOS_DE_DURACION	PERIODICIDAD	SE_OFRECE_POR_CICLOS_PROPEDEUT	PERIODICIDAD_ADMISIONES	PROGRAMA_EN_CONVENIO	DEPARTAMENTO_OFERTA_PROGRAMA	MUNICIPIO_OFERTA_PROGRAMA	COSTO_MATRICULA_ESTUD_NUEVOS
6365	1735	9122	UNIVERSIDAD MANUELA BELTRAN-UMB-	Activa	Universidad	Privado	54252	54252.0	ESPECIALIZACION EN INVESTIGACION CRIMINAL	ESPECIALISTA EN INVESTIGACION CRIMINAL	...	Presencial	NaN	2.0	Semestral	No	Sin definir	N	Santander	Bucaramanga	10041545.0
6366	1735	9122	UNIVERSIDAD MANUELA BELTRAN-UMB-	Activa	Universidad	Privado	54805	54805.0	ESPECIALIZACION EN INVESTIGACION CRIMINAL	ESPECIALISTA EN INVESTIGACION CRIMINAL	...	Presencial	30.0	2.0	Semestral	No	Semestral	N	Santander	Bucaramanga	NaN
6367	1735	9122	UNIVERSIDAD MANUELA BELTRAN-UMB-	Activa	Universidad	Privado	109316	109316.0	ESPECIALIZACION EN SEGURIDAD Y SALUD EN EL TRA...	ESPECIALISTA EN SEGURIDAD Y SALUD EN EL TRABAJO	...	Presencial	30.0	2.0	Semestral	No	Trimestral	N	Santander	Bucaramanga	9129236.0
6368	1735	9122	UNIVERSIDAD MANUELA BELTRAN-UMB-	Activa	Universidad	Privado	106358	106358.0	MAESTRÍA EN SEGURIDAD Y SALUD EN EL TRABAJO	MAGÍSTER EN SEGURIDAD Y SALUD EN EL TRABAJO	...	Presencial	50.0	4.0	Periodos	No	Por cohorte	N	Santander	Bucaramanga	11006852.0
6369	1101	9933	UNIVERSIDAD NACIONAL DE COLOMBIA	Activa	Universidad	Oficial	116706	NaN	Especialización en Interculturalidad y Gestión...	Especialista en Interculturalidad y Gestión Te...	...	Presencial	24.0	2.0	Semestral	No	Anual	N	Cesar	La Paz	NaN

	CODIGO_INSTITUCION	IES_PADRE	NOMBRE_INSTITUCION	PRICIPAL_O_SECCIONAL	ID_SECTOR	ID_CARACTER	CODIGO_DEPARTAMENTO	DEPARTAMENTO	CODIGO_MUNICIPIO	MUNICIPIO	...	ID_NUCLEO	NUCLEO_BÁSICO_DEL_CONOCIMIENTO	CODIGO_DEPARTAMENTO_PROGRAMA	DEPARTAMENTO_OFERTA_PROGRAMA	CODIGO_MUNICIPIO_PROGRAMA	MUNICIPIO_OFERTA_PROGRAMA	ID_GENERO	YEAR	SEMESTRE	TOTAL_MATRICULADOS
0	1101	1101	UNIVERSIDAD NACIONAL DE COLOMBIA	PRINCIPAL	1	4	11	BOGOTA D.C.	11001	BOGOTA D.C.	...	445	MEDICINA	11	BOGOTA D.C.	11001	BOGOTA D.C.	2	2015	1	2
1	1101	1101	UNIVERSIDAD NACIONAL DE COLOMBIA	PRINCIPAL	1	4	11	BOGOTA D.C.	11001	BOGOTA D.C.	...	445	MEDICINA	11	BOGOTA D.C.	11001	BOGOTA D.C.	1	2015	1	20
2	1101	1101	UNIVERSIDAD NACIONAL DE COLOMBIA	PRINCIPAL	1	4	11	BOGOTA D.C.	11001	BOGOTA D.C.	...	445	MEDICINA	11	BOGOTA D.C.	11001	BOGOTA D.C.	2	2015	1	6
3	1101	1101	UNIVERSIDAD NACIONAL DE COLOMBIA	PRINCIPAL	1	4	11	BOGOTA D.C.	11001	BOGOTA D.C.	...	445	MEDICINA	11	BOGOTA D.C.	11001	BOGOTA D.C.	1	2015	1	4
4	1101	1101	UNIVERSIDAD NACIONAL DE COLOMBIA	PRINCIPAL	1	4	11	BOGOTA D.C.	11001	BOGOTA D.C.	...	445	MEDICINA	11	BOGOTA D.C.	11001	BOGOTA D.C.	2	2015	1	3

ENTREGA ACTIVIDAD 1¶

PRIMER PUNTO¶

Datos Abiertos Colombia¶

SNIES¶

SEGUNDO PUNTO¶

TERCER PUNTO¶

PANDAS¶

MATPLOLIB y SEABORN¶

ENTREGA ACTIVIDAD 2¶

Estadistica inferencial¶

ANOVA¶

Regresión lineal¶

Análisis multivariante¶

Correlación¶

ENTREGA ACTIVIDAD 3¶

Análisis de graduados por programa¶

Análisis de posgrados en ingenierías¶

Análisis de graduados por año académico¶

ENTREGA ACTIVIDAD 4¶

	IES_PADRE	CODIGO_INSTITUCION_x	NOMBRE_INSTITUCION_x	ESTADO_INSTITUCION	CARACTER_ACADEMICO	SECTOR	CODIGO_SNIES_DEL_PROGRAMA	CODIGO_ANTERIOR_ICFES	NOMBRE_DEL_PROGRAMA_x	TITULO_OTORGADO	...	ID_NUCLEO	NUCLEO_BÁSICO_DEL_CONOCIMIENTO	CODIGO_DEPARTAMENTO_PROGRAMA	DEPARTAMENTO_OFERTA_PROGRAMA_y	CODIGO_MUNICIPIO_PROGRAMA	MUNICIPIO_OFERTA_PROGRAMA_y	ID_GENERO	YEAR_y	SEMESTRE	TOTAL_MATRICULADOS
METODOLOGIA
Dual	116378	116378	116378	116378	116378	116378	116378	92712	116378	116378	...	116378	116378	116378	116378	116378	116378	116378	116378	116378	116378
Presencial	6445057	6445057	6445057	6445057	6445057	6445057	6445057	6090049	6445057	6445057	...	6445057	6445057	6445057	6445057	6445057	6445057	6445057	6445057	6445057	6445057
Virtual	288144	288144	288144	288144	288144	288144	288144	230431	288144	288144	...	288144	288144	288144	288144	288144	288144	288144	288144	288144	288144

MODALIDAD	Dual	Presencial	Virtual	Total
YEAR_x
1998	2570.0	941010.0	8303.0	951883.0
1999	NaN	77841.0	5552.0	83393.0
2000	NaN	77847.0	9487.0	87334.0
2001	NaN	79826.0	2347.0	82173.0
2002	NaN	184157.0	335.0	184492.0
2003	NaN	210995.0	1627.0	212622.0
2004	NaN	36412.0	506.0	36918.0
2005	NaN	112180.0	226.0	112406.0
2006	NaN	67713.0	6615.0	74328.0
2007	NaN	248117.0	10150.0	258267.0
2008	1005.0	129322.0	1169.0	131496.0
2009	NaN	112856.0	8727.0	121583.0
2010	NaN	223506.0	6963.0	230469.0
2011	NaN	98962.0	1036.0	99998.0
2012	NaN	159776.0	5854.0	165630.0
2013	1005.0	153483.0	20296.0	174784.0
2014	3528.0	194055.0	12338.0	209921.0
2015	2290.0	226834.0	22025.0	251149.0
2016	638.0	149840.0	11019.0	161497.0
2017	3076.0	209363.0	10569.0	223008.0
2018	NaN	362933.0	20639.0	383572.0
2019	5728.0	546420.0	46858.0	599006.0
2020	1511.0	295859.0	59743.0	357113.0
2021	4792.0	411268.0	69515.0	485575.0
2022	4901.0	210320.0	49919.0	265140.0
2023	38255.0	490373.0	152782.0	681410.0
2024	18681.0	131628.0	74103.0	224412.0

	Departamento	Cantidad de programas
0	Amazonas	4
1	Antioquia	800
2	Arauca	3
3	Archipiélago de San Andrés, Providencia y Sant...	5
4	Atlántico	375
5	Bogotá, D.C.	1680
6	Bolívar	217
7	Boyacá	172
8	Caldas	231
9	Caquetá	17
10	Casanare	14
11	Cauca	114
12	Cesar	41
13	Chocó	13
14	Cundinamarca	129
15	Córdoba	92
16	Huila	75
17	La Guajira	23
18	Magdalena	91
19	Meta	65
20	Nariño	121
21	Norte de Santander	122
22	Putumayo	3
23	Quindío	62
24	Risaralda	136
25	Santander	340
26	Sucre	11
27	Tolima	95
28	Valle del Cauca	499
29	Vaupés	1

	IES_PADRE	CODIGO_INSTITUCION_x	NOMBRE_INSTITUCION_x	ESTADO_INSTITUCION	CARACTER_ACADEMICO	SECTOR	CODIGO_SNIES_DEL_PROGRAMA	CODIGO_ANTERIOR_ICFES	NOMBRE_DEL_PROGRAMA_x	TITULO_OTORGADO	...	ID_NUCLEO	NUCLEO_BÁSICO_DEL_CONOCIMIENTO	CODIGO_DEPARTAMENTO_PROGRAMA	DEPARTAMENTO_OFERTA_PROGRAMA_y	CODIGO_MUNICIPIO_PROGRAMA	MUNICIPIO_OFERTA_PROGRAMA_y	ID_GENERO	YEAR_y	SEMESTRE	TOTAL_MATRICULADOS
6849574	9105	9105	ESCUELA NAVAL DE CADETES ALMIRANTE PADILLA	Activa	Universidad	Oficial	21547	9.105655e+20	MAESTRIA EN OCEANOGRAFÍA	MAGISTER EN OCEANOGRAFÍA	...	559	Derecho y afines	13	Bolívar	13001	Cartagena de Indias	2	2020	1	4
6849575	9105	9105	ESCUELA NAVAL DE CADETES ALMIRANTE PADILLA	Activa	Universidad	Oficial	21547	9.105655e+20	MAESTRIA EN OCEANOGRAFÍA	MAGISTER EN OCEANOGRAFÍA	...	69	Administración	13	Bolívar	13001	Cartagena de Indias	1	2020	1	15
6849576	9105	9105	ESCUELA NAVAL DE CADETES ALMIRANTE PADILLA	Activa	Universidad	Oficial	21547	9.105655e+20	MAESTRIA EN OCEANOGRAFÍA	MAGISTER EN OCEANOGRAFÍA	...	69	Administración	13	Bolívar	13001	Cartagena de Indias	2	2020	1	4
6849577	9105	9105	ESCUELA NAVAL DE CADETES ALMIRANTE PADILLA	Activa	Universidad	Oficial	21547	9.105655e+20	MAESTRIA EN OCEANOGRAFÍA	MAGISTER EN OCEANOGRAFÍA	...	833	Otras ingenierías	13	Bolívar	13001	Cartagena de Indias	1	2020	1	7
6849578	9105	9105	ESCUELA NAVAL DE CADETES ALMIRANTE PADILLA	Activa	Universidad	Oficial	21547	9.105655e+20	MAESTRIA EN OCEANOGRAFÍA	MAGISTER EN OCEANOGRAFÍA	...	833	Otras ingenierías	13	Bolívar	13001	Cartagena de Indias	2	2020	1	1